这一新标准不仅填补了智能电网中联邦学习应用的空白,更为电力视觉检测模型的数据建模、设计、操作提供了权威的指导和实战案例。
《基于联邦学习的电力视觉检测系统要求和框架》国际标准将联邦学习技术与电力视觉检测业务相结合,构建了一套分布式模型训练方法,能够有效解决数据孤岛带来的算法模型精准度不高等问题,从而提升电力设备智能化运维水平
经过多轮训练,目前,电力视觉专业大模型在识别输电、变电巡检图像隐患方面的平均精准率已达到85.31%,相比传统小模型提升幅度超7%,有效支撑电力设备巡检专业的数智化转型与运检工作质效提升。
“电力人工智能两库一平台”围绕行业领先的建设目标,持续提高国产芯片和国产深度学习框架的适配性,提升多级多卡分布式环境模型训练速度;针对电力视觉和自然语言处理场景优化自动化模型训练和智能标注功能;构建输变电设备缺陷识别
如今,他带领的团队也主要研究电力行业的ai智能视频管控系统——以al视觉技术为核心专注于算法层的电力视觉产品及解决方案。...“这是电力视觉发展的动力,也是充满挑战的方向。”随着电力行业对视频安全监控认识的加深以及大数据、云计算、物联网以及人工智能等一系列技术的发展,目前,电力行业在智能视频监督方面也进行了诸多探索和研究。
安徽炬视:专注于算法层的电力视觉产品及解决方案提供商在电力人工智能的框架下,ai视觉技术与产品在电力行业的应用也有其专业名词——电力视觉。...华北电力大学博士赵振兵等曾在《电力视觉技术的概念、研究现状与展望》研究中提出“电力视觉技术是一种利用机器学习、模式识别、数字图像处理等技术,结合电力专业领域知识,解决电力系统各环节中视觉问题的电力人工智能技术
重点开展电力影像资源库、电力视觉芯片、虚拟/增强现实交互、三维重构等工作,实现实时电力设备识别和缺陷检测。
统一数据模型等技术研究和应用需求及业务模型研究;机器学习构建面向电力系统的机器学习算法库并研发针对特定电力业务场景的机器学习应用模型;计算机视觉将重点研发电力影像资源库、电力影像智能辅助标注技术、电力设备检测与缺陷识别算法,形成设备级电力视觉模块